利用数据仓库技术辅助CRM决策

申请免费试用、咨询电话：400-8352-114

 CRM（Customer Relationship Management，CRM）作为一种商业智能系统，能够从企业客户数据库中获得数据，结合其他部门的业务数据库，利用数据仓库对客户数据进行.7P，即客户概况分析（Profiling）；客户忠诚度分析（Persistency）；客户利润分析（Profitability）；客户性能分析（Performance）；客户未来分析（Prospecting）；客户产品分析（Product）；客户促销分析（Promotion），锁定目标客户群，并通过一定的OLAP方法和适当的数据挖掘策略来发现众多数据背后的规律与联系，为企业的行销提供及时、准确、有价值的分析结果；为企业留住有价值的客户，开展高效的促销活动提供帮助；为企业赢得客户，赢得市场。CRM系统能够从大量的信息中找到对企业有价值的知识，依靠的是数据仓库、OLAP和数据挖掘等计算机技术，其中数据仓库是CRM的灵魂，CRM的很多工作都是以数据仓库为基础展开的。下面我们就来讨论一下如何利用CRM系统中所使用的数据仓库技术辅助企业做出决策。

一、数据仓库技术

数据仓库（Data Warehouse，DW）是支持管理决策过程的、面向主题的、集成的、动态的、连续的数据集合，对企业经营管理决策具有强大的支持和推动作用，特别是对数据密集型的企业更为有效。它以改进后的数据库技术作为存储数据和管理资源的基本手段，以统计分析技术作为分析数据和提取信息的有效方法，通过人工智能、神经网络、知识推理等数据挖掘方法来发现数据背后的隐藏的规律，为企业提供各种层次的决策信息。根据美国META集团的调查，数据仓库技术在美国金融业、制造业、商贸业以及社会服务等方面都得到广泛的应用，已经采用数据仓库的企业的投资回报率均在40%以上，部分企业高达每年600%。

二、应用数据仓库技术辅助决策

数据仓库技术是商业智能管理的重要基础和手段，已经成为企业级信息管理和决策支持系统建设过程中必要的技术支持。下面从两方面分析它的应用：

1. 数据仓库在CRM系统结构中的应用

CRM系统由业务数据库系统、决策支持系统等部分构成。决策支持系统即DSS（Decision Support System）由三个层次的内容组成：数据仓库、联机分析处理（On-Line Analytical Processing，OLAP）和数据挖掘（Data Mining，DM）。他们之间的关系可以从CRM系统的数据处理循环过程图（如图1）)中看出。决策支持系统是整个CRM的核心部分，而数据仓库技术又是支撑DDS的核心技术。下面通过CRM系统的数据处理循环过程中的各个部分来分析。

图1 CRM系统的数据处理过程循环图

①原始的数据进入业务数据库

数据仓库是企业CRM系统成功开发和使用的建设基础。原始数据一部分来自现有的管理信息系统，即内部数据源；另一部分来自企业的专门调查或来自相关部门的统计信息，即外部数据源，而且由于趋势分析的需要，数据源还要能够提供历史数据信息。

②数据的整合存储

对业务数据库的数据经过接收、分析、抽取、净化、汇总、变换、存储等之后，为了得到数据仓库的数据存储，首先要确定数据仓库的分析主体和指标体系，再从源数据库中分析抽取面向主题的集成数据。以该主题数据作为分析型应用的数据基础，可以大大的缩短系统的响应时间，并能很好的满足相应主体的分析要求。这样原先存放在多个业务系统中的反映企业局部情况的数据经过整理后转换成反应企业整体情况的信息，这样就完成了从“数据→信息”的转变。

③结合OLAP和数据挖掘技术细化分析结果

OLAP可以应分析人员的要求快速灵活的进行大量数据的复杂分析查询处理操作。数据挖掘是从一个系统内部自动获取知识，从大量数据中寻找未发现的知识。存放在数据仓库的信息通过OLAP和DM处理后，形成面向用户的带有规律性的能够对企业运营提供指导意义的知识，从而完成从“信息→知识”的转变。企业决策层可以利用OLAP和DM处理得到的知识，制定相应的策略，并应用到业务系统中，最终改善企业的运营。（万方数据）